基于肤色分割和模板匹配的人脸检测技术研究与实现

针对基于肤色分割方法利用特征点信息不充分的不足和基于模板匹配方法计算量大的不足,提出了基于肤色分割和模板匹配两种方法相结合的人脸检测技术.通过肤色分割方法研究,虽不能最终确认人脸,但可利用人脸特征确定人脸区域,并筛选出大部分的假脸区域,在模板匹配研究中,可以确认出人脸图像,并给出检测结果.     

基于肤色分割的彩色图像的人脸检测

提出了一种基于肤色分割与统计特征分析并结合模板匹配的检测人脸方法，该方法能在复杂的背景下很好的检测出人脸。首先利用颜色信息对彩色图像分割成皮肤区域与非皮肤区域，然后对皮肤区域作尺寸大小、方差大小、旋转角度等处理后，再进行模板匹配。     

头部多角度的眼睛定位与状态分析

针对彩色图像中人脸在多角度状态下眼睛定位困难的现状,提出了一种基于颜色信息且不受头部姿势影响的人眼精确定位的新方法。该算法首先检测出彩色图像中的人脸位置;然后在人脸区域内,根据肤色与眼睛、眉毛等颜色的差异性进行区分,得到脸部区域的非皮肤部分;接着对非皮肤部分进行数学形态运算,去除干扰点;然后采用平均复杂度方法定位出眼睛区域,并采用相似度计算检验眼睛定位正确与否;最后在眼睛区域内,精确定位眼白、虹膜,通过计算眼睛面积分析眼睛睁开程度。实验结果表明,该算法能精确检测出彩色图像中的眼睛并能快速判断出眼睛的状态。该方法不受头部姿势影响,计算简单,运算速度快,在定位精度及状态判断上具有优势。     

彩色图像中人脸部的小波方法检测

本文针对人脸检测过程中常用到的基于彩色图像肤色分割的方法存在的不足,提出了一种将彩色图像肤色分割方法与图像的小波变换方法相结合的人脸区域检测方法.首先采用肤色分割方法对图像中的人脸区域进行粗定位,然后与从原图像进行小波分解提取出的人面部的细节信息相结合,从而可以更为准确地定位人脸的位置.实验表明了本方法的有效性,并且对于一般背景的图像可以提高人脸检测系统的适应性.     

基于支持向量机的彩色图像人脸检测方法

提出了一种利用肤色信息、基于样本学习的彩色图像人脸检测方法。该方法利用两层支持向量机进行人脸检测，用肤色和非肤色样本训练的第一层支持向量机对图像中每个像素进行分类，所有被判断为皮肤点的像素构成了肤色区域；用窗口对肤色区域进行遍历，用人脸和非人脸样本训练的第二层支持向量机判断窗口是否包含人脸模式，并对检测到的人脸区域进行必要的合并。实验结果显示，本文方法对彩色图像中正面人脸的检测率为87.6％。     

一种用于彩色图像人脸检测的新算法

为了能够实现单幅彩色图像中的人脸检测,提出了一种用于彩色图像人脸检测的新算法。它首先根据肤色的鲁帮性进行建模,接着在图像中运用最小椭圆平方匹配算法定位出脸部候选区域,经过方向校正后,结合脸部的主要特征,对这些候选人脸区域进一步的判断,最终找出具有人脸特征的图像区域。实验结果显示该算法可以适用于不同光照条件下的人脸检测,即使在脸部特征没有被很好的检测出的情形下也可以较好的完成人脸检测。     

基于高斯肤色模型和图像分割的人脸检测

提出了一种基于HSV、YCgCr颜色空间和图像区域分割的人脸检测方法.首先,将规范化的rgb肤色转化到HSV、YCgCr颜色空间,对向量(H,Cg,Cr)T进行统计,得到肤色的三维高斯概率模型.然后,根据该模型计算待检图像的肤色相似概率,采用最大类间方差的方法计算二值化阈值,根据阈值将相似度图像二值化.为了抵消人脸区域亮度变化和阴影的影响,以二值图像为模板,在原待检图像的饱和图中根据3像素×3像素区域的平均R、G值进行图像区域分割.在分割得到的区域中,根据人脸特征检测出图像中的人脸.实验表明,提出的方法能在复杂背景的情况下检测出人脸图像.     

疲劳驾驶状态监控中的面部检测与定位方法

疲劳驾驶是造成特大交通事故的一个最重要的原因。通过从司机的面部检测与定位入手,利用肤色特征和模板匹配相结合的方法,从图像的非肤色区域分割出肤色区域,并优化找出被检对象的候选人脸区域,最后用平均人脸模板匹配的方法确定人脸位置。     

彩色图像中人眼的精确定位

提出了一个彩色图像中人眼的精确定位过程.首先利用肤色特征检测出人脸的候选区域,在检测过程中考虑了头发亮度对肤色检测的影响;然后利用改进的二值化方法进行了眼睛的检测;最后利用眼睛的位置特点和人眼模板完成了眼睛的定位.     

利用颜色信息的人脸检测方法研究

提出一种利用颜色信息的人脸检测方法 .首先把输入的彩色图像从 RGB转换到 YIQ颜色空间 ,提取与人的肤色相关的 I分量图像 ,通过对整幅 I分量图像进行尺度变化和窗口扫描 ,解决待测人脸的位置、大小不同问题 ,实现平移不变和尺度不变 .然后对 I分量图像进行门限化处理 ,提取 I分量图像中可能包含人脸的接近人的肤色的区域 .最后把经过肤色区域滤波的灰度图像作为特征送入训练好的神经网络 ,由神经网络判别该图像是否一张人脸 .实验表明 ,该方法能有效地检测彩色图像中的人脸